一、數據治理相關概念

（一）數據分類

數據分為：主數據、交易數據、參考數據、元數據和統計分析數據。

主數據（Master Data），關于業務實體的數據，如：人、地點、客戶、產品等。主數據關注的是“人”和“物”，主數據管理（MDM）是數據治理領域一個專門的話題，其主要目的是對關鍵業務實體（如員工、客戶、產品、供應商等）建立統一視圖，讓客觀世界里本是同一個人或物，在數據世界里也能做到唯一識別，而不是在不同系統、不同業務中成為不同的人或物。

交易數據/事務數據（Transactional Data），描述業務運營過程中的內外事件或交易記錄。如：銷售訂單、采購訂單等。交易數據關注的是“事”，由于交易數據是BI分析的基礎，因此往往在數據質量管理中重點關注。

參考數據（Reference Data），用于將其他數據進行分類或目錄整編的數據，規定參考數值是幾個允許值之一。如：客戶等級。參考數據是更細粒度的數據，是對“人”“事”“物”的某些屬性進行規范性描述的，對參考數據的管理一般會與主數據管理同時進行，或與BI數據質量管理同時進行，因為指標維度和維值直接影響到BI數據質量。

元數據（Meta Data），描述數據的數據，幫助理解、獲取、使用數據，分為技術元數據、業務元數據等。元數據本質是為數據提供描述，所以任何數據都有元數據。數據治理領域的元數據，更多是指BI、數據倉庫這個范疇內的元數據。

統計分析數據（Analytical Data），對業務進行統計分析的指標。目前BI系統建設的主要作用就是做各種指標和報表的計算和展示。指標往往是數據治理的重點，指標的數據流分析、指標數值的波動性、平衡性監控，幾乎是各個企業做數據治理的必備應用。

（二）數據治理

《DAMA?數據管理知識體系指南》一書給出的定義：數據治理是對數據資產管理行使權力和控制的活動集合（規劃、監控和執行）。數據治理職能指導其他數據管理職能如何執行。

從理論上來講數據治理主要是三個目的：保證數據的可用性、數據質量和數據安全。

二、數據治理的方法

誰負責數據治理？治理或者管控對象是什么？技術工具有哪些？

（一）組織架構

首先來談誰負責數據治理，也就是組織架構。

從理論和國外實踐來看，大型企業會建立企業級數據治理委員會，業務部門領導、IT部門領導共同參與。在企業級之下，還可以有部門級、項目級的委員會，負責某些局部的數據治理，在最基層面向某一個業務領域應該有相應的數據管理專員（Data?Steward）。

（二）治理/管控對象

1、治理內容

從宏觀到微觀，數據的形態體現為數據架構、數據標準和數據質量標準。

數據架構，包括了數據模型（概念模型、邏輯模型）以及數據的流轉關系，一般在企業級和系統級會談數據架構，主要對企業數據的分類、分布和流轉進行規劃、設計，確保新建系統、新建應用能夠與現有系統保持一致和融合，避免產生信息孤島，或者帶來重復不必要的數據集成、數據轉換。

數據標準，包括了數據項、參考數據、指標等不同形式的標準。舉例來說，“客戶類型”是一個數據項，應該有統一的業務含義，將客戶歸類為大客戶、一般客戶的規則是什么，數據項的取值是幾位長度，有哪些有效值（如01，02，03）等。是，標準定義出來之后，執行的情況怎么樣？是否真正落實到IT系統了？

數據質量標準，包括數據質量規則以及稽核模型（即規則的組合應用）。數據質量規則一般會關注及時性、準確性、完整性、一致性、唯一性等，展開來談還有許多內容，有的專家整理出12個數據質量維度，有定性的也有定量的。

IT部門應該牽頭制定并且定期更新企業級的數據架構、數據標準和數據質量標準，作為新建系統和應用的指導約束。值得注意的是，在標準制定的過程中，要避免IT部門的閉門造車，一定要讓業務部門充分參與進來。

2、過程管控

信息系統建設過程。數據質量不佳主要原因之一是在信息系統建設的過程中忽視了對數據的管控，這就會造成數據的設計與需求不一致，開發與設計不一致，對數據質量要求考慮缺失，不同系統對數據的定義和技術實現不一致等等諸多問題。等待系統上線后再去解決這些問題，亡羊補牢，消耗資源。

在信息化早期階段ERP、CRM等操作型系統的建設是以功能和流程為中心，而后期BI、數據倉庫、大數據平臺等數據分析平臺的建設是以數據為中心的，這就注定一些傳統方式需要改變，應該更加注重對數據架構、數據標準、數據質量的管控，更加關注數據的生命周期，否則數據分析平臺建設成功的概率不高。

（三）技術工具

元數據、主數據、數據質量是主要的技術手段。如果前面所說的組織架構、治理內容、過程管控等管理機制、技術標準不到位，僅僅上一套軟件工具，起不到任何效果。以上軟件工具的作用又是什么呢？核心作用在于知識的固化和提高數據治理人員的工作效率。

比如，需要手工編寫程序收集的元數據，工具幫你自動獲??；需要人工識別或編寫代碼實現的數據質量檢查，工具幫你自動識別問題；用文檔管理的數據字典，工具幫你在線管理；基于郵件和線下的流程，工具幫你線上自動化。

除此之外，數據治理的軟件工具與其他軟件工具一樣，沒有什么神奇之處，沒有數據治理人員的參與和數據治理工作的推進，軟件也只是看上去很美。這也是為什么數據治理咨詢服務一直有其市場，以及為什么國內大部分單純數據治理軟件項目未能達到預期目標。